Durata: 3 giorni
Descrizione:
L’analisi nei progetti di sviluppo IT sta cambiando: l’intelligenza artificiale generativa consente di automatizzare compiti ripetitivi, di supportare molte attività, di migliorare la qualità della documentazione. Questo corso è pensato per fornire agli analisti IT le competenze operative per sfruttare al meglio i modelli linguistici di grandi dimensioni (LLM – Large Language Model) nel contesto reale del lavoro progettuale.
Nella prima parte del corso vengono presentati i Pattern di Prompt Engineering utili per formulare le richieste in modo da ottenere risposte adeguate. Per ogni Pattern illustrato vengono svolte esercitazioni.
Nella seconda parte del corso viene approfondito l’uso degli LLM nelle attività proprie degli analisti IT. I modelli possono infatti fornire contributi specifici nell’analisi dei processi di business, nella gestione dei requisiti, nella specifica delle funzionalità, nella modellazione dei dati, nella progettazione dei prototipi di interfaccia utente, nella definizione dei test funzionali.
Il corso alterna momenti teorici a esercitazioni pratiche su casi realistici, per consentire ai partecipanti di apprendere tecniche applicabili da subito nel proprio lavoro.
Destinatari:
- Analisti di sistemi
- Analisti funzionali e tecnici
- Responsabili di team IT, PM, solution architect
Prerequisiti:
Il corso è rivolto a chi svolge attività di analisi nell’ambito di progetti IT.
Contenuti:
Come funzionano i LLM – opportunità e limiti del loro utilizzo nelle attività di analisi IT
Attività di base su documenti e specifiche (recupero informazioni, redazione di testi, verifiche e miglioramenti)
I pattern di Prompt Engineering – tecniche consolidate per usare i LLM in modo efficace
Pattern di base
- Persona – chiedere di assumere un ruolo
- Audience Persona – chiedere di rispondere rivolgendosi a interlocutori di un certo tipo
- Question Refinement – chiedere di aiutare a formulare meglio le domande
- Cognitive Verifier – chiedere di trovare domande correlate
- Alternative Approaches – chiedere di suggerire approcci alternativi
- Flipped Interaction – chiedere al LLM di invertire i ruoli formulando le domande all’utente
- Few Shot Example – chiedere di fornire risposte basandosi su esempi forniti dall’utente
- Reflection – chiedere di fornire il ragionamento su cui il LLM basa le risposte
- Game Play – chiedere al LLM di creare un gioco per ottenere un obiettivo
- Template – chiedere di formattare l’output in un modo specifico
- Context Manager – chiedere di considerare o non considerare aspetti specifici di contesto
- Recipe – chiedere di definire step intermedi per ottenere un risultato
Pattern ulteriori per usi specifici
- Meta Language Creation – fornire al LLM il significato di espressioni che useremo nel dialogo
- ReAct – indurre il LLM a usare altri strumenti per ottenere un risultato
- Fact Check List – chiedere di specificare un elenco dei “fatti” su cui il LLM basa le sue risposte
- Output Automater – chiedere di generare uno script automatizzato
- Visualization Generator – chiedere di generare immagini
- Requirements Simulator – chiedere di valutare la completezza di un insieme di requisiti
- Specification Disambiguation – chiedere di evidenziare ambiguità nelle specifiche di requisiti
- Change Request Simulation – chiedere di valutare l’impatto di una richiesta di cambiamento
Gestione dei requisiti
- Definizione del contesto del sistema
- Supporto nell’interazione con gli stakeholder
- Definizione e precisazione requisiti
- Derivazione di ipotesi architetturali
- Identificazione delle funzionalità
- Gestione cambiamento requisiti in corso d’opera
Generazione diagrammi standard (UML, SysML, BPMN)
Definizione di modelli dati (livelli concettuale e logico)
Generazione prototipi di interfaccia utente
Generazione casi di test funzionali
Generazione di documentazione tecnica
